图像处理中FFT零填充卷积问题：虚数结果是否正常及处理

问题 #

我是图像处理新手，这个问题偏理论性。假设我有一张5×5图像和一个3×3卷积核，想用FFT2实现卷积。我理解需要对图像做零填充，填充后形式如下：

0000000 
0iiiii0 
0iiiii0 
0iiiii0 
0iiiii0
0iiiii0 
0000000

同时对卷积核做如下填充：

0000000 
0000000 
00kkk00 
00kkk00 
00kkk00
0000000 
0000000

之后我用np.fft.fft2把二者转成傅里叶域，相乘后用np.fft.ifft2逆变换，却得到了虚数结果。请问这个现象正常吗？如果正常，下一步该怎么处理？

生成虚数结果的代码：

conv_kernel = np.zeros(image.shape)
    
for i in range(len(kernel)):
    for j in range(len(kernel[0])):
        conv_kernel[i,j] = kernel[i,j]

fourier_domain_img = np.fft.fft2(image)
fourier_domain_kernel = np.fft.fft2(conv_kernel)

multiplication_result = np.multiply(fourier_domain_img, fourier_domain_kernel)

output = np.fft.ifft2(multiplication_result)

注：图像已按前述方式在边缘填充零，卷积核已移至左上角并保存于conv_kernel中。

output的虚数结果片段：

0.34701525+7.90350302e-19j 0.24993464-1.97207468e-17j
0.25917211-7.08625583e-17j 0.26527233-7.02379773e-17j
0.25986928-8.79273688e-17j 0.30030501-1.20158599e-16j
0.41908497-6.28590074e-17j 0.56592593-7.59364420e-17j
0.66858388-1.28485529e-17j 0.63956427+1.46374819e-17j
0.52383442-2.31376484e-17j 0.30623094-7.88434060e-18j]]
complex128

解答 #

1. 虚数结果是否正常？ #

完全正常。你看到的虚部是浮点计算误差导致的，量级在1e-17左右，远低于机器浮点精度的阈值，本质上是计算过程中舍入误差的残留，不是真正的复数信号成分。

2. 下一步处理方法 #

• 提取实部即可：直接用np.real(output)获取结果的实数部分，这些极小的虚部可以完全忽略，不会影响卷积结果的正确性。
• 修正卷积核的填充方式：你当前把卷积核放在填充数组的左上角，这会导致FFT实现的是循环卷积，而图像处理中我们需要的是线性卷积。正确的做法是把3x3的卷积核放在填充后7x7数组的中心位置，这样才能得到和直接卷积一致的结果。

修正后的代码示例 #

import numpy as np

# 假设image是已填充好的7x7图像，kernel是3x3卷积核
conv_kernel = np.zeros(image.shape)
# 计算卷积核的中心偏移
kernel_h, kernel_w = kernel.shape
pad_h = (image.shape[0] - kernel_h) // 2
pad_w = (image.shape[1] - kernel_w) // 2
# 将卷积核放在中心位置
conv_kernel[pad_h:pad_h+kernel_h, pad_w:pad_w+kernel_w] = kernel

# 傅里叶变换与相乘
f_img = np.fft.fft2(image)
f_kernel = np.fft.fft2(conv_kernel)
f_result = f_img * f_kernel

# 逆变换并提取实部，同时可以用np.round处理微小误差
output = np.real(np.fft.ifft2(f_result))
# 可选：如果需要整数图像，可进一步取整
output = np.round(output).astype(np.uint8)

内容的提问来源于stack exchange，提问作者Vihaan